EvoRouter:基于洞见引导同策略蒸馏的低成本多智能体路由框架
EvoRouter 是一种自进化多智能体路由框架,利用洞见引导的同策略蒸馏和成本感知强化学习来优化任务性能与计算成本。 该框架在 19 个域内数据集上取得 68.69% 平均准确率,比最强基线提升 7.23 个百分点,同时降低 50.95% 的推理计算成本。 代码已开源,旨在解决大规模网络查询中组合式配置空间的优化难题。
EvoRouter 是一种自进化多智能体路由框架,利用洞见引导的同策略蒸馏和成本感知强化学习来优化任务性能与计算成本。 该框架在 19 个域内数据集上取得 68.69% 平均准确率,比最强基线提升 7.23 个百分点,同时降低 50.95% 的推理计算成本。 代码已开源,旨在解决大规模网络查询中组合式配置空间的优化难题。
Evolve on Graph (EoG) 框架实现了大语言模型在无问答标注情况下的知识图谱自进化推理。 EoG 通过“图自博弈”机制,让单一模型交替担任提问者与解题者,结合符号可验证拓扑合成和边界感知图课程来生成可验证的多跳问题。 在 Freebase、Wikidata 和工业知识图谱的六个基准测试中,EoG 的表现持续优于基于提示、检索和智能体的现有方法。
首个自动化管线实现了 LLM 设计黑盒优化算法,并在 Lean 中完成其预期运行时的机器验证。 Agent 针对 CycleUncover 问题提出了 $O(n^2)$ 算法,优于基线的 $e^{\Omega(n)}$;在 8 个问题类中,15 次运行有 12 次成功产出有效证明。 消融实验表明分阶段方法优于零样本生成,Lean 规范可替代开放式算法发现的实证评估。
CANS 是一个无需训练、能在大语言模型中控制目标行为并保持通用能力的统一框架。 该方法通过局部近似两个代理指标(目标 token 对数概率、通用输入输出分布 KL 散度)得出闭式解,生成神经元级缩放系数,实现轻量转向。
SemHGT 提出了一种 LLM 增强的异构图学习框架,通过在三个基准数据集上超越所有被评估的基线模型,在大多数数据集-指标对比中取得领先。 该框架通过角色感知提示将结构化属性转化为语义向量,并利用语义相似度指导多轮路径采样,最终由统一 Transformer 处理局部路径证据与全局邻居摘要。
HobbyLM 是一个由多名作者在数百至数千美元预算内训练的稀疏 MoE 小模型家族,核心包括 500M 参数架构(169M 激活)与 333M 参数的图像生成模型。模型采用细粒度专家与辅助损失自由的负载均衡,支持多模态推理;HobbyLM-1B 在 7 项基准测试中平均得分 47.5。该系列在笔记本电脑 CPU 上通过自研 Rust 引擎运行,展示了低成本 AI 模型的可行性。
研究构建首个记录人类发现并使用新环境机制的 think-aloud 数据集,包含 64 名参与者的 144 条轨迹及 250 条 LLM 轨迹。 数据集标注了机制触发与认知关联,发现人类成功轨迹中定性表征占比达 50.0%,显著高于 LLM 的 14.3%。 该分析表明 LLM 在现有任务中表现饱和,需开发更具挑战性的下一代基准测试。
研究者提出CaliMem框架,通过校准记忆机制解决数据整理策略搜索中的过度泛化问题。在生物及大语言模型后训练任务中,CaliMem优于固定基线及已发表方法,性能比全数据训练高最多19.4%。该系统支持部署时的测试时整理(TTC),代码已开源。
框架WebViSE自动将网页实现抽象为可重用视觉技能,构建多父DAG结构库。 使用Qwen3.8-Max时,自动演化结构以39.09%的检索成本超过非层级LLM检索基线。 支持即插即用注入任意模型,并可用于开源模型的数据合成管线以内化设计智能。
ReLF 模型通过整流流将噪声传输至 token 嵌入以生成文本,在 OpenWebText 上测试 3 种模型尺寸均优于自回归基线。 结合 Hellinger-SVD 固定嵌入与正则化 reflow 技术,经 2 轮 reflow 后仅用 16 次函数评估生成 1,024 token 序列,速度提升 15-19 倍。
FNO-MoE 是一种结合傅里叶神经算子与专家混合架构的模型,能在单次调用内预测 30 分钟内的完整近显式化学状态。该网络利用专家间的分歧主动选择最具信息量的盒子模型模拟进行自指导训练,同等成本下精度优于随机采样。微调后的模型在多小时运行中保持稳定,预测数千种化学物种的速度比数值求解器快数个数量级,为复杂大气系统模拟开辟了新方向。
AdaPRA 通过持久化代码智能体框架和自适应评分标准监督,减少数据科学流程错误。 在 5 次尝试中,AdaPRA 使 80B Qwen 模型在 DSPredict-Easy 和 DSPredict-Hard 上的排行榜百分位分别提升 24.5 和 14.8 分。 该方法验证了易任务评分标准可泛化至难任务,且优于 DataPRM,代码已开源。
开发者发起众包项目,利用 AI 订阅剩余额度将 Murray 新英语词典扫描件转录为公共领域文本。目前共有 117 个页面文件,其中 112 个处于草稿状态,2 个已完成。所有内容采用 CC0 1.0 许可,允许任何人自由使用。
Wenlan 是一款本地 AI 原生知识库工具,将笔记、代码和 AI 聊天记录转化为维基页面,并自动标记无法通过引文匹配源的内容。 支持 macOS 11+ Apple Silicon 及 Windows x64,通过 MCP 或 Plugin 接入 Claude Code、Codex、Cursor 等 AI 工具,数据仅存储在本地。
Dola AI 发布面向艺术家的浏览器端视觉控制工具,将图像编辑、场景合成、视频时间轴和参考板整合为单一工作区。 该工具支持通过 2D 分层和 3D 场景放置预先构图,再提交生成任务;3D 世界使用 World Labs Marble 技术,音频和对象生成使用 Fal 模型。 本地编辑、项目保存和调整构图不消耗生成积分,完整结果绑定在用户账户。
作者测试了 Claude Opus、Claude Sonnet、Claude Haiku、GPT-6.1 Sol 和 DeepSeek 在 Salesforce 环境中执行 50 项任务的表现。
OXR 正式开源,主模型 1.3B 参数在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中分别取得 97.18、87.84 和 87.76 分,均位列第一。
同一新闻,精选展示《OXR 1.3B 开源模型发布:通过 RSI 重塑 OCR 性能》
国产AI 3D团队Hi3D正式发布可商用的V3.0模型,将几何分辨率提升至2048³,并面向3D创作者推出整合意图理解与多步修改的Hi3D Agent。同时,团队开源了基于Sparc3D架构的Hi3D V1.0模型,通过将训练数据扩充至约200万个资产,实现了在切片成功率达90%的生产级3D打印应用表现,相关代码与权重已在GitHub和Hugging Face全面开放。
推荐理由:Hi3D V1.0 模型及 Hi3D Agent 面向3D创作者开放,为开发者、企业和个人提供可商用的国产高精度AI 3D生成及修改工具。
百度正式发布并开源文心Unlimited OCR 2。该模型峰值KV缓存占用从47GB降至1.77GB,减少约96%,单步解码速度达到Full Attention的7.0倍。实测在884页英文版《指环王》上,耗时约42分56秒完成解析,在MarathonDocBench和MPDocBench均取得最高分,项目已在GitHub和Hugging Face开放。
推荐理由:原文通过实测《指环王》和引用技术报告,展示了该模型在超长文档处理中如何将显存占用降低至常规方案极小比例的工程细节。
RoboParty 发布全栈开源人形机器人 RP1,开放从机械图纸、电气系统、自研 ROMOMO 关节到底层控制与训练工具的完整研发链路。RP1 支持 24 至 30 个自由度的本体配置,具备连续行走、扰动恢复及跌倒起身等真机运动能力,并开放 URDF、hhtools 等仿真与动作重定向资源供开发者下载与二次开发。
推荐理由:从机械图纸到运动算法的全栈开放,为科研与具身模型开发者提供了可修改的研发平台。
SpecOps 推出支持 Claude Code、Cursor 等 5 款工具的规范驱动开发工具,通过 4 阶段工作流解决 AI 编码前缺乏思考的问题。 工具包含 Git 追踪规范、EARS 验收标准及生产环境学习层,开源且无平台锁定。
Liquid AI 发布新一代开源 Liquid Foundation Model(LFM3),将文本、视觉、音频、omni 和决策任务放入同一 2B 级底座,所有模型都可在单卡上微调并部署到边缘设备。
推荐理由:Liquid AI把六种模态压进2B级开源权重,并用同一底座和单卡微调路径解释它如何落到边缘部署。
开发者发布 Snippet,一个基于 Rust 单二进制文件的终端 AI 智能体,支持 Android、macOS、Linux 和 Windows 移动端通过 Tailscale 或 Cloudflare 隧道进行远程控制。
QuickReview 发布自托管 AI 代码审查工具,在 GPT-6.1 Sol 模型下发现 97% 的高严重度缺陷,优于 Claude Code 和 Codex。每个 PR 审查成本约 2 美元,耗时 17.5 分钟,支持本地部署和数据安全隔离。
推荐理由:原文给出了高召回率缺陷捕获机制的成本与精度权衡,可评估其能否替代现有 AI 代码审查工具。
mcp4mail 开源项目通过 mcptask.online 实时展示 AI 编码代理(Runner)接收任务、编写代码并提交 Pull Request 直至合并的全流程。项目基于 Claude Code 运行,支持用户提交 GitHub Issue 并实时追踪开发状态。在 40 天内已交付 179 个完成的任务,展示了 AI 自主处理软件缺陷、文档更新及功能开发的实际效能。
PoseForge 是一款本地优先的 AI 工作室,利用现有 AI 订阅将身份照片转化为特定姿态的图像。 工具通过嵌入式 PGlite 数据库在本地存储角色、姿态及生成记录,支持 Codex CLI、Google Antigravity 及 ComfyUI 等七种引擎。 用户可在不同提供商间切换而无需重新上传数据,本地计算成本与延迟指标,确保隐私数据不离开机器。
Spring AI Privacy Guardrails 为 Java 应用提供隐私保护、工具授权和内容检查功能,支持将检测到的 PII 令牌化。 该库要求 Java 17、Spring AI 2.0.0 及 Spring Boot 4.0.0 或更高版本。
研究通过探针技术区分 AI 定价智能体的指令性合谋与无辜提价,准确率最高达 99.6%。 在 Qwen2.5 和 Llama 模型上,线性探针优于词匹配基线,但在无指令隐性合谋场景中失效。该探针为监控 AI 智能体协调行为提供了可操作的技术方案。
AGBoss 是开源 TypeScript 框架,基于 LangGraph 提供 AI 智能体工作流的静态验证与依赖注入,当前版本为 v0.1.0。 @agboss/core 处理生产运行时,@agboss/cli 负责静态编译与代码生成,两者已发布在 npm 官方仓库。 该框架支持构造函数依赖注入、LIFO 补偿及 PII 数据脱敏,并包含 5 步评估测试流程。
腾讯混元发布并开源了低时延、高准确率的 Hy-SimulMT 同声传译大模型,支持中英语音实时互译及音色克隆,实测响应时间约 3 秒。在 RealSI 评测集上,该模型在最低延迟情况下实现了最佳翻译效果,超越了主流开源模型和大部分商用 API。
推荐理由:开源了低时延语音到语音实时翻译模型,实测效果超过主流商用API且达到人类同传专家水平。
mcp-warden 是一个基于 Model Context Protocol 的本地优先凭证代理工具,允许 Claude Code、Cursor、Cline 等 AI 编码 Agent 在不接触敏感密钥的情况下执行操作。
PaperPilot 是一款纯 Rust 编写的本地 PDF 工具包,通过 MCP 服务器支持 Codex、Claude Code 等 AI 智能体执行合并、拆分、OCR 及压缩操作。
HealthAgentBench是一套包含75个智能体医疗任务的基准,由研究人员发布。 该基准覆盖9个类别,任务要求智能体在复杂环境中处理原始数据并执行多步操作,如查询大型数据库或解读病理图像。测试显示,Claude Code Opus-5.5以57.3%的成功率领先,各AI智能体在CT和MRI等专业影像模态上的表现普遍较弱。
研究者发布了名为 SignVerse-2M 的多语言手语姿态数据集,包含来自55种以上手语的约200万个姿态片段。 该数据集利用统一的 DWPose 管线处理公开视频,以全身关键点统一表示身体、手部和面部动作,并同步开源了处理管线与 SignDW Transformer 基线。 实验结果证实,该数据能有效支持多语言文本到姿态建模,生成的姿态可直接驱动现有姿态条件渲染系统。
针对大推理模型,研究指出 KV 缓存压缩下最终答案准确率与推理忠实度可能出现脱节。 该“答案-证据鸿沟”在 10 种 token 驱逐方法中显著存在,这些方法能维持答案准确率但大幅削弱证据链支持。 相比之下,一种保持覆盖率的量化方法受影响较小,表明故障源于对推理轨迹部分的访问缺失而非单纯的 KV 内存缩减。
Loopie 是迄今最强大的开源循环 Transformer 系列,包含一个 20B 参数(2B 活跃)和一个 6B 参数(0.6B 活跃)的 MoE 模型。 与同等计算量的普通 30B-A3B 模型相比,Loopie 在消融研究中表现显著更优;通过新的后训练方法,该模型展现出强大的推理能力。 作为开源模型,Loopie 为在有限计算预算下实现前沿级推理性能提供了新的技术路径。
QUEST 团队发布 2B 至 35B 参数的开源深度研究智能体,结合 8K 合成任务训练,在 8 项基准测试中性能比肩前沿闭源系统。 训练采用统一评分树合成可验证奖励数据,并内置上下文管理机制以支持长程推理与知识综合。 模型、数据及训练脚本已全部开源。
LinearARD 通过冻结原生 RoPE 教师模型的注意力结构一致性,实现大语言模型上下文扩展时的性能恢复。该方法仅用 4.25M tokens 达到 256M baseline 预算下 93.1%-94.3% 的短上下文性能,实现约 60 倍数据效率提升。
新推出的因果语音分离器(含140M至374M参数版本)在实时通话中显著降低转录错误率。该模型在AMI测试集上实现16.13%的词错误率,优于VoxLock的23.66%,且可在单CPU线程上以20ms延迟运行。项目已开源,并提供LiveKit插件。
PathKGen 引入病理知识图谱辅助 MLLM 生成可解释的病理报告,解决黑盒推理问题。 模型包含视觉路径与知识路径,后者通过查询图谱提取形态特征生成知识 token。 在 WSI-Bench 评测中,PathKGen 性能超越此前 SOTA 方法,并以直观图展示推理过程。